基于神經(jīng)網(wǎng)絡(luò)優(yōu)化理論的軟測(cè)量技術(shù)及應(yīng)用研究.pdf

1、本文來(lái)源于國(guó)家自然科學(xué)基金項(xiàng)目“基于流態(tài)復(fù)雜性測(cè)度的流量軟測(cè)量模型及虛擬動(dòng)態(tài)流量計(jì)”(項(xiàng)目編號(hào)60374042)。 近年來(lái)，隨著流體傳動(dòng)及控制技術(shù)的快速發(fā)展，動(dòng)態(tài)流量的測(cè)量已經(jīng)變得越來(lái)越重要，國(guó)內(nèi)外的學(xué)者們做了不少研究工作，但仍沒(méi)有在工程中得以實(shí)際應(yīng)用，因此動(dòng)態(tài)流量的測(cè)量仍然是一個(gè)難題。本文引入軟測(cè)量技術(shù)解決這一難題，深入研究軟測(cè)量建模方法，較好地解決動(dòng)態(tài)流量軟測(cè)量建模問(wèn)題。 首先在分析國(guó)內(nèi)外有關(guān)軟測(cè)量技術(shù)的基礎(chǔ)上，闡述

2、軟測(cè)量技術(shù)主要研究?jī)?nèi)容、建模方法，并分析設(shè)計(jì)動(dòng)態(tài)流量軟測(cè)量的實(shí)現(xiàn)技術(shù)方案。討論神經(jīng)網(wǎng)絡(luò)建模方法、發(fā)展情況和應(yīng)用中存在的問(wèn)題，就建模問(wèn)題，分析研究用于建模的BP(BackPropagation)網(wǎng)絡(luò)的各種改進(jìn)算法，針對(duì)BP算法始終無(wú)法克服陷入局部極小問(wèn)題，提出用遺傳算法優(yōu)化BP網(wǎng)絡(luò)的建模方法。 其次，針對(duì)遺傳算法局部搜優(yōu)能力差和易早熟的問(wèn)題，改進(jìn)已有的遺傳算法。提出一種混合的小生境選擇操作，對(duì)標(biāo)準(zhǔn)遺傳算法中的變異算子和交叉算子也做

3、出改進(jìn)，提高個(gè)體多樣性，較好的避免早熟問(wèn)題。 然后，重點(diǎn)設(shè)計(jì)一套實(shí)用的遺傳算法優(yōu)化BP網(wǎng)絡(luò)的實(shí)數(shù)編碼方案，把改進(jìn)的遺傳算法對(duì)BP算法進(jìn)行優(yōu)化，根據(jù)具體情況構(gòu)建適應(yīng)度函數(shù)，設(shè)計(jì)算法流程。通過(guò)仿真實(shí)驗(yàn)，證明該優(yōu)化設(shè)計(jì)建模方法是行之有效的。 最后，完成動(dòng)態(tài)流量的軟測(cè)量，其中包括變量選擇、數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和本論文的核心部分即基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)流量的軟測(cè)量建模。 本文提出的軟測(cè)量方法為流量測(cè)量引入新的思路，研究的優(yōu)